PaddleSeg
Benutzerfreundliche Bildsegmentierungsbibliothek mit einer großartigen Sammlung vortrainierter Modelle, die eine breite Palette praktischer Aufgaben in der semantischen Segmentierung, interaktiven Segmentierung, panoptischen Segmentierung, Bildmatting, 3D-Segmentierung usw. unterstützt.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarBenutzerfreundliche Bildsegmentierungsbibliothek mit einer großartigen Sammlung vortrainierter Modelle, die eine breite Palette praktischer Aufgaben in der semantischen Segmentierung, interaktiven Segmentierung, panoptischen Segmentierung, Bildmatting, 3D-Segmentierung usw. unterstützt.
PaddleSeg hat 9.4k Sterne auf GitHub. Es wurde 1.7k-mal geforkt. PaddleSeg ist hauptsächlich in Python geschrieben. Es wird seit 2019 aktiv entwickelt. PaddleSeg ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: autonomous-driving, human-segmentation, image-matting, image-segmentation.
Was ist PaddleSeg?
Benutzerfreundliche Bildsegmentierungsbibliothek mit einer großartigen Sammlung vortrainierter Modelle, die eine breite Palette praktischer Aufgaben in der semantischen Segmentierung, interaktiven Segmentierung, panoptischen Segmentierung, Bildmatting, 3D-Segmentierung usw. unterstützt.
Ist PaddleSeg Open Source?
PaddleSeg ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.
Ist PaddleSeg kostenlos?
Ja. PaddleSeg ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Unter welcher Lizenz steht PaddleSeg?
PaddleSeg ist unter der Apache-2.0-Lizenz verfügbar.
In welcher Sprache ist PaddleSeg geschrieben?
PaddleSeg ist hauptsächlich in Python geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/paddlepaddle-paddleseg.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.